期刊文献+

基于GARCH-ELMAN模型的人民币汇率预测 被引量:1

下载PDF
导出
摘要 随着经济全球化的日益深入,人民币汇率的变动不仅影响着中国经济,对世界主要经济体的影响也举足轻重。本文采用2010年1月1日~2021年11月30日美元兑人民币汇率序列为研究对象,引入ELMAN神经网络方法,并结合经典计量经济学方法,构建多种时间序列模型和神经网络模型及二者组合模型进行实证分析,并以均方误差MSE作为模型预测精度的评价准则,发现将序列分解为线性部分和非线性部分的模型精确度明显较高,且EGARCH-ELMAN模型对序列的预测最准确,且绝对预测精度也达到较高的水平,这对美元兑人民币汇率预测具有重要的借鉴意义,进而对国家稳定外汇市场和防范短期大规模资金流动带来的潜在金融风险具有重大实践意义。
作者 鲁媛媛
出处 《现代商业》 2022年第13期56-60,共5页 Modern Business
基金 国家自然科学基金(71974001) 教育部人文社会科学研究项目(19YJCZH069)。
  • 引文网络
  • 相关文献

参考文献3

二级参考文献46

  • 1王佳妮,李文浩.GARCH模型能否提供好的波动率预测[J].数量经济技术经济研究,2005,22(6):74-87. 被引量:43
  • 2戴晓枫,肖庆宪.时间序列分析方法及人民币汇率预测的应用研究[J].上海理工大学学报,2005,27(4):341-344. 被引量:46
  • 3高尚,汤可宗,蒋新姿,杨静宇.粒子群优化算法收敛性分析[J].科学技术与工程,2006,6(12):1625-1627. 被引量:19
  • 4许少强,李亚敏.参考“一篮子”货币的人民币汇率预测——基于ARMA模型的实证方法[J].世界经济文汇,2007(3):30-40. 被引量:30
  • 5Anastasakis L, Mort N. Exchange rate forecasting using a combined parametric and nonparametric self-organising modelling qpproach [J]. Expert Systems with Applications, 2009, (36): 12001~12011.
  • 6Bollerslev T. Generalised autoregressive conditional heteroskedasticity [J]. Journal of Economet rics, 1986, Voi. 31 (3): 307-327.
  • 7Brooks C. , Testing for non - linearity in daily sterling ea:ckange rates [J], Applied Finance Economics, 1996, (6): 307~317.
  • 8Coakley J. R. , Brown C. E. Artificial neural networks in accounting and finance : Modelling issues [J].International Journal of Intelligent Systems in Accounting, 2000, Vol. 9 (2) : 144-199.
  • 9Engle R. F. Autoregressive conditional heteroskedasticity with estimates of the variance of United Kingdom inflation [J]. Economertrica, 1982, Vol. 50 (4):987-1008.
  • 10Granger C. W. J. , Anderson A. P. An introduction to bilinear time series models [M], Gottingen: Vandenhock and Rupreeht, 1978.

共引文献195

同被引文献3

引证文献1

;
使用帮助 返回顶部